教育科技研究速報

研究指出單靠觀察行為來驅動 AI 對話政策是不夠的，應引入用戶解釋來精準判斷其思考狀態。

本文主張將「認知無障礙性」作為檢驗視覺化理論的壓力測試，以重新審視現有設計假設並推動創新。

研究揭露作者利用隱藏指令操縱 AI 審查系統，這是一種新型態的學術研究不端行為。

本研究透過多種方法分析電玩生態系統中的網路犯罪，揭示了數位物品竊取為主要動機及其特有的攻擊向量。

研究發現證書在 AI 時代仍具信號價值，但其有效性隨時間快速衰減，且高度依賴制度設計。

研究發現透過學習日誌進行的行為集群分析，主要能預測學生的學習參與度，卻無法有效預測其知識掌握程度。

研究探討在 API 使用中明確要求「高推理努力」對成本與準確度的影響，發現其會增加成本但未必顯著提升準確度。

研究探討人類如何透過「預設指令」或「迭代協作」來引導 AI，並發現工作導向會顯著改變引導模式。

本文提出將大語言模型視為產品，並運用歐盟廢棄物層級框架來減少其開發與使用過程中的環境衝擊。

開發名為 LLM Odyssey 的開源遊戲化平台，透過結構化學習路徑教授 LLM 工程核心概念。

本研究透過結合學術成績動能、人口統計與 LMS 互動數據，成功建立高召回率的模型以預測電腦科學新生之不及格風險。

本研究透過教育中心框架分析迦納 AI 策略，發現其雖強調國家 AI 就緒度，但在學校層級實施與教師素養方面仍有不足。